[發(fā)明專利]一種基于計(jì)算機(jī)視覺(jué)的人行橫道處車(chē)輛的檢測(cè)系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210566225.4
• 申請(qǐng)日: 2012-12-24
• 公開(kāi)（公告）號(hào): CN103077614A
• 公開(kāi)（公告）日: 2013-05-01
• 發(fā)明（設(shè)計(jì)）人: 徐貴力;劉婷;陳曦;林亮;朱亮;朱磊
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G08G1/065
• 分類號(hào): G08G1/065;G06K9/00
• 代理公司: 南京縱橫知識(shí)產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

技術(shù)領(lǐng)域

本發(fā)明涉及車(chē)輛檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種基于計(jì)算機(jī)視覺(jué)的人行橫道處車(chē)輛的檢測(cè)系統(tǒng)及方法。

背景技術(shù)

城市交通擁堵、交通環(huán)境惡化是城市發(fā)展過(guò)程中的一個(gè)重要問(wèn)題，根據(jù)路口人行橫道處車(chē)輛數(shù)目和人行橫道處行人數(shù)目調(diào)整交通信號(hào)燈時(shí)長(zhǎng)是緩解交通擁堵的有效措施。其中對(duì)路口人行橫道處車(chē)輛數(shù)目的統(tǒng)計(jì)是關(guān)鍵技術(shù)之一，也是實(shí)現(xiàn)智能交通控制的前提。

現(xiàn)有的基于計(jì)算機(jī)視覺(jué)的車(chē)輛檢測(cè)方法對(duì)拍攝到的圖像有一定要求，若攝像頭的拍攝位置較低，使圖像中的車(chē)輛之間存在嚴(yán)重的遮擋，則不能采用形態(tài)特征的方法來(lái)識(shí)別車(chē)輛，給精確的車(chē)輛數(shù)目統(tǒng)計(jì)帶來(lái)了困難。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于計(jì)算機(jī)視覺(jué)的人行橫道處車(chē)輛的檢測(cè)系統(tǒng)及方法，可以在一定誤差范圍內(nèi)實(shí)現(xiàn)人行橫道處車(chē)輛計(jì)數(shù)。

本發(fā)明采用以下方案予以實(shí)現(xiàn)：

一種基于計(jì)算機(jī)視覺(jué)的人行橫道處車(chē)輛的檢測(cè)系統(tǒng)，包括兩架CCD攝像機(jī)和計(jì)算機(jī)圖像處理系統(tǒng)；所述計(jì)算機(jī)圖像處理系統(tǒng)通過(guò)接口與攝像機(jī)相連；所述兩架CCD攝像機(jī)安裝于人行橫道的兩端；所述兩架CCD攝像機(jī)的視場(chǎng)角包含對(duì)面的等人行橫道處人區(qū)域和斜對(duì)面的車(chē)輛區(qū)域。

一種基于計(jì)算機(jī)視覺(jué)的人行橫道處車(chē)輛的檢測(cè)系統(tǒng)的檢測(cè)方法，包括以下步驟；

1）攝像機(jī)捕獲場(chǎng)景圖像；

2）對(duì)攝像機(jī)捕獲的圖像進(jìn)行切割，得到人行橫道處的大型車(chē)輛和小型車(chē)輛；

3）對(duì)人行橫道處車(chē)輛區(qū)域再進(jìn)行分割，得到位于上部的大車(chē)車(chē)頂區(qū)域、位于下部的小車(chē)及大車(chē)車(chē)底區(qū)域；

4）提取背景和實(shí)現(xiàn)背景更新；

5）通過(guò)對(duì)人行橫道處大車(chē)車(chē)頂區(qū)域圖像的處理，得到人行橫道處大車(chē)數(shù)量；

6）采用掃描線法對(duì)人行橫道處小車(chē)及大車(chē)車(chē)底區(qū)域圖像的處理；

7）根據(jù)得到的大車(chē)數(shù)量、統(tǒng)計(jì)的覆蓋車(chē)輛的掃描線的條數(shù)，以及大車(chē)與小車(chē)車(chē)身長(zhǎng)度的關(guān)系計(jì)算人行橫道處車(chē)輛數(shù)目。

前述步驟4）中提取背景是在路口交通燈顯示綠燈的時(shí)間段完成的。

前述步驟5）包括，

5-1）將當(dāng)前幀與基于碼本的背景模型比較，得到人行橫道處大車(chē)車(chē)頂區(qū)域前景；

5-2)對(duì)得到的前景進(jìn)行連通域去噪處理，包括利用形態(tài)學(xué)開(kāi)操作去除小噪聲，利用閉操作重建邊緣并找到大輪廓；

5-3)對(duì)得到的圖像中的大輪廓進(jìn)行統(tǒng)計(jì)，得到大車(chē)數(shù)量。

前述步驟6）包括

6-1)將當(dāng)前幀與由快速背景更新法得到的背景做差，并對(duì)差分后的圖像進(jìn)行二值化，得到人行橫道處小車(chē)及大車(chē)車(chē)底區(qū)域前景；

6-2）對(duì)得到的前景進(jìn)行連通域去噪處理，包括利用形態(tài)學(xué)開(kāi)操作去除小噪聲，利用閉操作重建邊緣并找到大輪廓；

6-3)把大車(chē)車(chē)底當(dāng)做小車(chē)處理，對(duì)整個(gè)車(chē)道從遠(yuǎn)到近畫(huà)掃描線，使每輛小型車(chē)輛覆蓋相同條數(shù)的掃描線；

6-4）計(jì)算每條掃描線上位于步驟6-2）所得到的大輪廓內(nèi)的像素點(diǎn)數(shù)，其與該條掃描線上總像素點(diǎn)數(shù)的比值為R，如果比值R大于閾值T，則該掃描線覆蓋了車(chē)輛，統(tǒng)計(jì)R大于閾值T的掃描線的條數(shù)；

前述步驟6-1）中快速背景更新法的初始階段采用混合高斯背景模型提取第一幅背景，在第一幅背景的基礎(chǔ)上更新出新背景。

前述步驟6-4）中的閾值T為40%。

前述步驟7）中，人行橫道處車(chē)輛數(shù)目為

Nx×n-M×y+M]]>

其中，N為覆蓋車(chē)輛的掃描線的條數(shù)，n為并行車(chē)道數(shù)，x為一輛小型車(chē)輛覆蓋掃描線條數(shù)，M為大型車(chē)輛數(shù)量，y——大型車(chē)輛車(chē)身長(zhǎng)度等于y輛小型車(chē)輛車(chē)身長(zhǎng)度。

前述步驟5-1）和步驟6-1）中的前景的獲取是在路口交通燈為紅燈時(shí)間即將結(jié)束時(shí)進(jìn)行的。

前述步驟4）中背景更新結(jié)束后，基于碼本的背景模型為每一個(gè)像素生成一個(gè)碼本，快速背景更新法輸出一幅新的背景。

本發(fā)明采用計(jì)算機(jī)視覺(jué)技術(shù)，利用了攝像頭拍攝到的圖像中車(chē)輛間由于相互遮擋連成一片的特點(diǎn)，對(duì)小型車(chē)輛采用掃描線法檢測(cè)，對(duì)大型車(chē)輛采用找車(chē)頂?shù)姆椒z測(cè)，當(dāng)無(wú)法采用形態(tài)特征的方法識(shí)別車(chē)輛時(shí)，能夠?qū)崿F(xiàn)對(duì)車(chē)輛數(shù)目的統(tǒng)計(jì)。

附圖說(shuō)明